计算机奖赛道 · 候选课题 20 则

本方案面向 2027 赛季（2026 赛季提交截止为 2026 年 9 月 15 日，从零启动已来不及）。倒排时间表以 2026 年 9 月为第 0 周、2027 年 9 月 15 日提交为终点，共约 52 周。

学生画像与资源假设：普通重点高中生，有一定编程与数学基础；计算资源为个人笔记本、纯 CPU、无 GPU 无集群；实验资源不超过中学常规实验室；全部使用公开数据；由中学教师即可指导。凡超出这一假设的路线，都在标签里标明了资源门槛。

四条必须先知道的赛制事实（取自官方公告，2020–2026 全部公示文章）：指导老师不得来自培训机构或任何谋利机构，违者取消资格；总决赛全程英文（研究报告、PPT、答辩）；入围总决赛的研究报告会在 11 月全网公示；提交材料含论文查重报告与实验视频。规则每年会改，报名开放后须重新核对当年《参赛规则》与本学科《参赛指南》。

这个赛道的评委在奖励什么

统计 2020–2025 共 64 项计算机奖获奖论文，这个赛道的供需失衡最明显，也因此存在最清晰的套利空间。

深度学习应用占了压倒性多数，但回报正在递减。 医学影像诊断、人脸识别、语义分割、视觉辅助系统、音乐风格迁移、甲骨文识别——这一族占了全部获奖的六成以上，且绝大多数停在铜奖与优胜奖。评委每年要看几百份"我拿一个模型跑了一个数据集"的报告。做同类课题，你的对手不是问题本身，而是三百份长得差不多的报告。

纯算法与理论稀缺，但命中率极高。 六年里这一族只有寥寥数篇：并行 bi-core 分解（2021 金奖）、并行密度峰值聚类（2022 银奖）、Max-Cut SDP 的最优解与秩（2020 优胜）、神经直觉与逻辑推理结合的几何定理证明、LLM 数学推理的形式化验证（2024 金奖）。投稿密度低而获奖层级高，这是本赛道最值得注意的结构性事实。而且算法与理论类课题天然只需 CPU，与本方案的资源约束完美契合。本方案 K01–K10 有意重仓这一族。

LLM 相关是新兴且 CPU 友好的窗口。 2024–2025 出现了：LLM 数学推理的形式化验证（金奖）、历史推理 benchmark、基于 LLM 的多智能体重复博弈中"未来的阴影"对合作策略演化的影响（铜奖）、多模态机器心智理论。注意这几篇的共同点：交付物是测量与结论，不是训练出来的模型。评测型、探针型、行为分析型课题只需 API 调用或小模型 CPU 推理，是资源受限学生的最佳杠杆——本方案 K11–K20 按这个思路设计。

这个赛道的头号死法是"工程演示"。 丘奖要的是研究报告，不是产品。一个能跑的系统 + 一张性能对比表，缺少可否证的科学假设，在分赛区就会被筛掉。本方案每条路线都强制要求 H1/H2 假设含数值或方向，且验收标准第一条是能否重现已发表基准。

算力是硬现实。 纯 CPU 笔记本意味着：ResNet 级别的从头训练勉强可行但耗时以天计，Transformer 预训练完全不可能，LoRA 微调只能用到很小的模型，量子态矢量模拟约 26–30 比特就吃满 16 GB 内存。每条路线都写明了具体上限与降规模版本——把算力约束写成课题设计的输入，而不是做到一半才发现。

本赛道 20 条路线的分族逻辑

• K01–K10 算法、系统与理论族：结构性绕开算力墙——交付物是复杂度分析、收敛性、正确性证明与基准测量，不是模型规模。风险在于必须核实该问题的已知最好界，不能去撞已知难题。每条路线都做了这项核实。
• K11–K20 机器学习与应用族：以评测、可解释性、鲁棒性分析为主，训练型课题一律限定在 CPU 可完成的规模并配降规模版本。涉及 LLM API 的路线写明了预算上限与可复现性要求（固定模型版本号与调用日期——模型会静默更新，不记录版本的实验一年后无法复现）。

两族独立排序：K01/K11 最稳，K10/K20 风险与上限最高。